LLM智能体构建游戏AI的能力远强于其直接游玩表现。
资讯摘要
论文提出AutoTavern，一个可自我改进的LLM研究智能体系统：多个专门化智能体共享带类型的“研究记忆”，每条主张需通过验证关卡，并以实时对局闭环反馈，同时改进模拟器、对手与策略，以及自身研究流程。作者报告该系统在20天内构建出TavernGym，并产出23版TavernAgent，其在实时天梯的评分从6000升至约15000，最近20局平均名次1.60、80%第一。
要点速读
- AutoTavern由专门化LLM研究智能体组成，共享带类型研究记忆，主张须通过验证关卡，实时对局形成闭环反馈。
- 作者报告20天内构建TavernGym，并交付23版用PPO训练的TavernAgent，对手按真实对局校准。
- TavernAgent在天梯评分从6000升至约15000；TavernBench上答题正确率91%，前沿LLM最高63%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:15（北京时间）。